Conceitos Básicos
대규모 언어 모델을 활용하여 법적 준수 자동화의 정확성과 설명력을 향상시킬 수 있다.
Resumo
이 논문은 법적 준수 자동화의 현재 접근법에 대한 한계를 강조하고, 대규모 언어 모델(LLM)을 활용하여 이러한 한계를 해결하고 새로운 기회를 창출할 수 있는 방법을 제안한다.
현재 법적 준수 자동화 연구는 주로 문장 단위 분석에 의존하고 있다. 이는 문맥 이해의 한계, 정의와 참조 관계 파악의 어려움, 그리고 설명력 부족 등의 문제를 야기한다.
이 논문에서는 LLM을 활용하여 문단 단위로 법적 문서를 분석하고, 준수 여부에 대한 설명과 정당화를 제공하는 접근법을 제안한다. 구체적으로 다음과 같은 단계로 구성된다:
- 법적 문서를 문단 단위로 분할
- 준수 규칙과 문단 내용을 활용하여 LLM에 맞춤형 프롬프트 구성
- LLM을 통해 준수 여부 판단 및 설명 생성
초기 실험 결과, 문단 단위 분석이 문장 단위 분석에 비해 약 40%의 정확도 향상을 보였다. 또한 LLM의 선택이 성능에 중요한 요인으로 나타났다.
향후 연구에서는 데이터셋 확장, 기존 접근법과의 비교 분석, 법률 전문가 피드백 수렴 등을 통해 제안 방법의 효과성을 더욱 검증할 계획이다.
Estatísticas
데이터 처리 계약(DPA)은 GDPR 제28조에 따라 준수해야 할 요구사항이 많다.
제안 접근법은 문단 단위 분석을 통해 약 40%의 정확도 향상을 보였다.
LLM 모델 선택이 성능에 중요한 요인으로 나타났다.
Citações
"Depending on the security classification, buildings [...] may be further protected by additional measures. These measures include specific access profiles, video surveillance, intruder alarm systems, and biometric access control systems."
"By accepting this policy, you are providing personal data as defined below [...]: information you provide to us verbally, electronically, or in writing; [...] information obtained from third parties [...]; or information obtained through cookies. Your personal data might be disclosed to the tax authorities or other third parties [...]."
"45. (1) A health information custodian may disclose personal health information to [...], contingent upon the entity meeting the requirements outlined in subsection (3)."